文献

J-GLOBAL ID：202002288610876309   整理番号：20A0382471

直接近赤外スペクトル画像によるPanax nnotoinsengの地理的識別のための深層学習【JST・京大機械翻訳】

Deep learning for geographical discrimination of Panax notoginseng with directly near-infrared spectra image

著者 (5件)： Dong Jian-E (College of Big Data and Intelligence Engineering, Southwest Forestry University, Kunming, 650224, China) ,  Wang Ye (Institute of Medicinal Plants, Yunnan Academy of Agricultural Sciences, Kunming, 650200, China) ,  Wang Ye (College of Traditional Chinese Medicine, Yunnan University of Chinese Medicine, Kunming, 650500, China) ,  Zuo Zhi-Tian (Institute of Medicinal Plants, Yunnan Academy of Agricultural Sciences, Kunming, 650200, China) ,  Wang Yuan-Zhong (Institute of Medicinal Plants, Yunnan Academy of Agricultural Sciences, Kunming, 650200, China)
資料名： Chemometrics and Intelligent Laboratory Systems  (Chemometrics and Intelligent Laboratory Systems)
巻： 197  ページ： Null  発行年： 2020年 
JST資料番号： E0150B  ISSN： 0169-7439  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 薬草材料は,身体の健康調節に対する潜在的にプラスの効果のために,ある種の人々により機能性食品として広く使用されている。機能性食品の粗材料としてのPanax notoginsengは,中国および他の国において400年以上の間,長い医学的および栽培歴史を持っている。しかし,品質はそれらの地理的起源によって変動して,Wenshan自治区は,高い特性によって地理的な位置と見なした。したがって,迅速な検出法は,それらの真正起源を識別するために消費者にとって必要である。本研究において,5つの主要栽培地域からのP.notoginsengの根粉末の258近赤外スペクトルを識別分析に用いた。深い学習戦略(残留畳込みニューラルネットワーク)を80%のスペクトル画像で確立した。その中で,ハーブの地理的起源の識別は,これらのスペクトルからのデータマトリックスの代わりに直接スペクトル画像を用いて初めて報告された。結果は,これらのサンプルが,訓練セットにおける100%の精度とテストセットにおける91%の精度によって,それらのそれぞれのカテゴリーに正確に分類することができることを示した。最終的に,22のサンプルを予測セットの25のサンプルで正確に識別した。一般的に,直接スペクトル画像を用いた残留畳込みニューラルネットワークは,さらなる識別研究における地理的トレーサビリティのための実行可能な戦略である。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 薬用植物 ,  判別分析 ,  *近赤外スペクトル ,  *スペクトル ,  消費者 ,  品質 ,  ハーブ ,  トレーサビリティ ,  *スペクトル画像 ,  粉体 ,  地理学 ,  検出法 ,  栽培 ,  *トチバニンジン属 ,  機能性食品

著者キーワード (5件)： 剰余畳込みニューラルネットワーク ,  深層学習 ,  Panax nnotoinseng ,  地理的トレース ,  スペクトル識別

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 近赤外 ,  スペクトル画像 ,  Panax ,  地理 ,  識別 ,  深層学習